1.1　用实际案例剖析数据可视化

如何分析数据？如何制作可视化分析报告？如何发现数据背后的秘密？如何发现问题、分析问题、解决问题？

1.1.1　每天的疫情报道数据，您看着轻松吗

疫情当下，相信大家对每天疫情发布会的官方报道并不陌生，下面引用一段某市的官方数据报道：

“我市上午召开第***场新冠肺炎疫情防控工作新闻发布会。发布会上通报，6月11日0时至24时，新增本土新冠肺炎病毒感染者64例，A区35例，B区、C区各5例，D区4例，E区、F区各3例，G区、H区、I区、J区各2例，K区1例；普通型3例，轻型30例，无症状感染者31例，隔离观察人员62例，社会面筛查人员2例”。

上面的大段文字，读起来都很费劲，更何况想要快速了解其中的信息了。

下面来分析一下这段话的几个重点。

（1）各区新增感染者人数分布。

（2）病型人数分布。

（3）筛查类型人数分布。

这大段文字，如果使用表格把这三个重点表达出来，是不是就非常清楚了？如图1-1所示。

数据分类管理，数据分类汇总很重要。

如果觉得图1-1的表格看起来不那么清晰明了，那么可以绘制可视化分析图表，通过图表把需要关注的三个信息一目了然地表达出来，如图1-2所示。

本案例素材是“案例1-1.xlsx”。

1.1.2　机台用电量与机台产量有什么关系

给客户做产品报价模型，在做用电量计算时，针对同一个产品、同一个机台的几年耗电量数据进行归纳，想要看看机台用电量与机台产量有什么关系。

一般机台产量越高，用电量越大。但是，如果换算成每小时产量与每小时用电呢？是不是也是这种常规认识？

图1-3是某个机台在生产某个产品的工时、班产量和用电量的数据。

这么多的数据堆积起来，很难看出机台用电量与机台产量有什么关系。先计算小时产量和小时用电量数据，如图1-4所示。

可以用小时产量作为X轴，用小时用电量作为Y轴，绘制XY散点图，如图1-5所示。

从图表中可以看出，机台小时产量主要集中在6000～10000，小时用电量集中在2～6。在这个范围内，呈现出一种杂乱无规律的现象，甚至有些数据像是人为刻意做出来的，如图1-6所示。这些数据点的小时用电量是一样的，但是小时产量却相差很大。

抛开这些嫌疑数据，分析小时产量和小时用电量到底有没有一定的关系。添加一个线性模型趋势线，如图1-7所示，可以看出，小时用电量与小时产量有一定的正向关系，即小时产量越大，小时用电量越大。

从这个小时产量和小时用电量分布图（图1-7）中，还可以看出有几个异常数据点远离正常的数据区域，如图1-8所示。如果要使用这个历史数据作为今后计算耗电量的参考，那么这几个异常数据点应该被剔除，以免对计算结果造成较大干扰。

本案例素材是“案例1-2.xlsx”。

1.1.3　预算分析的背后是什么

预算分析，或者目标达成分析，不是算算差异数是多少，完成率是多少，而是要找出造成这个差异背后的原因。基于这点，将差异原因可视化，就是一个必须做的功课。

图1-9是2022年1-5月累计损益项目预算执行情况统计表，之所以把此表称为统计表，是因为这个表并没有从深层次上解释净利润预算执行率63.7%的原因。

为什么预算执行率这么低？是哪个项目引起的？

也许有人会说，每个项目的执行情况不是已经算出来了吗，看看数字就知道了。但是，这个表格的数字看起来很不直观，使人眼花缭乱。

这是一个典型的因素分析问题，也就是在影响净利润预算执行的各项目（因素）中，究竟是哪些项目影响最大，这样才能为下一步改进管理、提高效益提供数字支持。

因此，可以绘制如图1-10所示的因素分析图，从而一目了然地得出结论：尽管营业收入超额完成目标，但营业成本、税金、销售费用、管理费用等均出现较大幅度的超预算。通过这个图表，可以很快获得重要信息。

本案例素材是“案例1-3.xlsx”。

1.1.4　门店经营的盈亏情况如何

图1-11是各门店的销售额和净利润数据。从这个表格中很难看出门店的盈亏分布情况：盈利多少家？亏损多少家？销售额和净利润主要分布在什么区间？这些门店的整体盈利水平如何？等等。本案例素材是“案例1-4.xlsx”。

可以以销售额为X轴，净利润为Y轴，绘制XY散点图，如图1-12所示。从这个图表中可以很清楚地看出这些门店的整体盈利水平。

此外，门店12和门店30的销售额相差并不是非常大，但一个是所有门店中净利润最高的，一个却是亏损的，这背后的原因是什么？

找出这两个门店的利润表，对影响净利润的各因素进行分析，绘制瀑布图，如图1-13所示，显然门店12亏损的原因是商场租金太高。

1.1.5　各分公司的历年经营业绩如何

图1-14是一个很简单的汇总表，是各分公司近几年的销售业绩，就是每年的合计数而已。但是，这样一个简单的汇总表却隐藏着重要信息。

本案例素材是“案例1-5.xlsx”。

至少要从这个表格来挖掘下面几个信息。

（1）各分公司历年业绩发展趋势如何？

（2）各分公司之间的历年业绩对比如何？

（3）各分公司的复合增长率如何？

前两个信息可以使用图1-15所示的图表来展示。从这个图表中可以一眼看出，分公司A业绩在稳步增长，分公司B近4年出现了大幅波动，分公司C则出现业绩持续下降（尽管2021年有所反弹，但仍是较低水平），分公司D在经历了几年的略微下降后，2021年出现快速增长。这些信息有助于针对各分公司的状况，做出不同的经营管理决策。

最近一年各分公司的业绩排名就很简单，但是，仅排名是不够的，这些分公司在这些年的复合增长率如何？这个指标也是需要考虑的。

制作各分公司历年的复合增长率图表，如图1-16所示。可以看出，各分公司的发展速度是不同的：分公司A尽管业绩稳步发展，但在近4年，其复合增长率稳定在7%左右，其他分公司则出现了较大波动。这些信息隐藏在如图1-14所示的简单汇总表中。

1.1.6　数据层层挖掘分析，才能找到变化的原因

数据分析可视化，目的是快速找出数据差异背后的原因，这往往需要多个图表来层层展示，单一的一张图表是无法达到目的的。

在需要绘制多个图表来分析数据时，需要创建仪表板（DashBoard），需要先对整个仪表板的布局做好设计，先展示什么，再展示什么，最后得到什么，必要时要以少量的文字做注释。

例如，图1-17是一个简单的人工成本分析仪表板，用几个图表的组合来展示人工成本累计执行情况和全年进度情况。从1～5月累计执行情况来看，超预算41.8%，主要原因是5月份大大超出预算，其他月份是正常的。

本案例素材是“案例1-6.xlsx”。